| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·论文的研究背景 | 第8-11页 |
| ·海量数据的出现 | 第8页 |
| ·数据挖掘技术的兴起 | 第8-9页 |
| ·数据挖掘研究领域 | 第9-11页 |
| ·国内外研究现状综述 | 第11-15页 |
| ·数据挖掘技术的发展现状 | 第11-12页 |
| ·数据挖掘技术在电信领域的应用 | 第12-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第二章 数据挖掘理论概述 | 第16-33页 |
| ·数据挖掘系统组成 | 第16-17页 |
| ·数据挖掘发现的知识类型 | 第17-18页 |
| ·数据挖掘的任务 | 第18-21页 |
| ·数据挖掘算法 | 第21-23页 |
| ·数据挖掘中的聚类算法 | 第23-31页 |
| ·数据挖掘算法的选择 | 第31-33页 |
| 第三章 使用K-means聚类算法对电信客户进行细分 | 第33-44页 |
| ·数据的准备 | 第33-37页 |
| ·需求分析 | 第33-35页 |
| ·数据的预处理 | 第35-37页 |
| ·利用K-means算法进行数据挖掘 | 第37-44页 |
| ·K-means算法简介 | 第37-38页 |
| ·使用误差平方和准则函数的K-means算法 | 第38-39页 |
| ·聚类算法实现结果 | 第39-44页 |
| 第四章 K-means聚类算法的改进 | 第44-58页 |
| ·K-means算法的不足 | 第44-45页 |
| ·模糊C均值聚类算法的研究与实现 | 第45-56页 |
| ·模糊聚类的引入 | 第45-48页 |
| ·模糊C均值聚类算法分析 | 第48-49页 |
| ·算法的实现流程与结果 | 第49-55页 |
| ·m值的选择 | 第55-56页 |
| ·结果分析 | 第56-58页 |
| 第五章 总结 | 第58-61页 |
| ·论文总结 | 第58-59页 |
| ·下一步的研究工作 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |